这本是一个两句话就可以结束的小节，但太务虚反倒容易让人摸不着头脑。投资者平日一定会看到很多研究报告。怎样得到这些报告所透露出的隐含信息至关重要。笔者此时不想往脸上贴金，这一小节的主题确实不太常规，而且也算不上高尚。
研究领域确实有一些人在做实事，但他们同样希望能保护好自己的研究成果。于是，我们发现很多人发现了一个投资策略之后，其会将结果展示给大家，却不会过多的解释究竟是怎样完成的算法设计。经过前文所述的章节，相信读者也不会感到奇怪。于是，能从公布的报告中获取最大的信息就是本节的主旨。我们以××证券的一篇公开研究报告为例来说明问题。
2011年6月8日，××证券研究部金融工程及衍生品组的融资融券市场研究报告有一个多空策略表现的图表。如果回溯到公开资料的涉及本策略的第一篇，我们其实还是没有办法看到作者对于该策略的详细介绍。审视如此优秀的策略结果，第一个疑惑就是：“它是否真实？”总体来说，笔者认为应该本着“宁可信其有，不可信其无”的心态来面对这个问题。尤其是报告作者一向言论稳健，无过多哗众取宠的时候更是要考虑相信它。报告作者在其3月30日的报告中阐述“适合沪深300使用的量化多空策略主要是反转和估值……”这是我们第一个需要产生警觉的地方。因为即便是笔者写作此稿的时刻，融资融券标的也还不是沪深300。于是我们陷入第二个问题：“即便该策略是真实的，但其能否在当前市场环境实现？”此刻我们需要的是进一步的提防，但全盘否定该策略的价值仍然为时尚早。再看一下反转多空策略收益曲线，我们会立刻得到4个方面的推测：
1.如此与市场走势脱节本身就表明该策略使用的分析基础极有可能以二级市场数据为主如果以基本面数据为依托，其判断频率受制于基本面数据的公布频率，走势与指数契合的部分将超过本图。
2.该作者采用“系列1、2、3”的模式极有可能代表的三组参数，这在侧面说明该作者很有可能做过参数优化的工作读者可能觉得笔者此处多此一举，正常的操作过程何必强调呢？相信我，笔者真就见过取4个数值就敢评价全年效果的数量化分析师，而且其级别远在笔者之上。固执、自以为是是人普遍存在的缺点，在多读了两年书的人身上往往表现得更为彻底。笔者的观点一直都是：“不要相信任何分析师，你甚至要用怀疑的眼光来看笔者的所有阐述！”参数收敛效果或许还是可以考虑相信的。
3.如果采用多标的同时操作的方式，获取此种低波动水平的走势可能性更大。
4.该曲线表明了两种可能模式：（1）基于二级市场走势的波段分离；（2）基于短线交易的价格模式。由于多空指令集的不同，一定要考虑策略基础为可执行的特征。所以，在日线级别的角度考虑波段分离策略的实现难度要高于后者请回顾本章（第十一节）的错误示例。除非该作者采用的是分时数据提供的信息来获取策略执行的保证。如果我们暂时只有日线数据，则考虑模式（2）的胜算更大。
到此为止，一个图表的分析过程就初步结束了。我们通过该图表获取了4个层面的信息的同时，也为下一步工作的方向提供了指引。至此，读者应该可以理解笔者此处所要阐述的逻辑。
结语：
笔者在此还想向读者有保留的推荐两本书：南开大学有一套“金融学本科教材”，其中就有一本《算法交易与套利交易》。无论书中究竟有多大部分与这个名字相关，但这至少说明了高校也开始注意到这个问题并开始纳入教学领域了。读者能从基础知识乃至券商如何监管类似业务等方面得到帮助。另一本南华期货研究所翻译的《高频交易》也可以在方法层面给读者以启示。但这也恰恰就是笔者在此处想让读者能够有所警觉的地方。
数量化投资的书籍在国内本来就少，而这些书往往也容易一开始就向读者展示一个缤纷的世界却忘了告诉你可能出现的陷阱在哪里。笔者在此处要强调：“千万不要照抄书中的策略，尤其是当知道给你提供服务的券商在交易速度上并不是第一的时候更是如此。”原因就在笔者本章所讲述的注意事项中。“配对”、“协整”和“波动率建模”这些都不是新概念，连笔者的金融知识都可以将其覆盖，其普及程度可想而知。违背了保密、交投效率等诸多重要原则，最有可能的情况是埋伏着地理位置占优的券商的掠夺式获利算法。这种先天就处于劣势的状况显然不是我们一再强调的“增加胜算”的选择。笔者引入“统计套利”的概念，并花费巨大的力气解释市场非有效的道理就是要让普通投资者也能依照自己的经验来实现量化投资。这样，既可以避开算法趋同的窘境，也可以在交易费用上占取更多的主动注意，你将不再需要最快的算法交易平台供应商所提供的服务。投资者将有更多的自身筹码来争取较为便宜的佣金。必要性已经在相关章节阐述过。“同则相克，异则两生”是数量化投资者一定要时刻记住的准则。
终于要完成本章了，不可否认，连笔者都觉得冗长。我们就在这里短暂的回顾一下要点：首先，数量化分析与算法交易的结合是一个必然，而这基本上意味着极大的工程量，最理想的模式仍然是小组分工协作。其次，我们也较为公正的说明了数量化分析所存在的十多个问题，这些看上去并不起眼的小问题随时会给我们带来困难，造成麻烦。而最终，我们简要的评论了数量化手段所依托的数据类型。很显然，在这个层面上，数量化并不存在门户偏见，它只是为了避免交易的随意性而出现的手段。于是，我们将这个问题又拉回到一个容易理解的层面上：“无论看上去多复杂的数量化策略设计，其最终目的至少部分是为了排除人为不可靠因素。”
